基于密度聚类和随机森林的移动应用识别技术

摘要：

随着移动终端设备的蓬勃发展,移动应用种类的日益增加,移动应用类型识别成为网络管理、市场营销以及网络攻击防范等领域中一种具有重要意义的技术手段.在实际应用中,几乎所有的移动应用程序都采用SSL/TLS(Secure Sockets Layer/Transport Layer Security)协议进行数据加密,因此使移动应用类型识别工作更具挑战.提出了一种新颖的加密环境下Android移动应用类型识别技术.该技术利用信息熵对DBSCAN(Density-Based Spa-tial Clustering of Applications with Noise)聚类算法生成的聚类簇进行纯度分析,通过实验合理设置熵阈值对数据集中的干扰样本进行过滤,最后利用随机森林算法对过滤后的数据集进行建模,实现了移动应用程序类型的识别.由于仅通过捕捉加密数据流传输模式实现应用识别,对于加密和非加密流量均有效.实验表明所述方法缓解了干扰样本的误判问题,有效地提高了数据集利用率,具有更高的识别准确率和召回率.

关键词：加密流量分析、DBSCAN、随机森林

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.61672016

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68